1

DEMAND RESPONSE IN SMART GRID: A SURVEY

a

Autor XXXX , Autor XXXX , Autor XXXX , ....

a

.......

......

......

RESUMO: A smart grid (SG) surge com o objetivo de aperfeioar, por meio do uso intensivo das tecnologias da informao e de comunicaes, a operao do sistema eltrico de potncia e, alm disso,
permite a insero de fontes alternativas de gerao de energia e de consumidores na rede, possibilitando melhorar o monitoramento, a gesto, a automao e a qualidade da energia eltrica. Dentro da
SG, a demand response (DR) usada pelas concessionrias de energia como uma tecnologia que
estimula os consumidores a modificarem seu consumo energtico para aumentar a confiana e a
eficincia da operao da rede, favorecendo a reduo do consumo, o equilbrio entre a oferta e a
demanda, evitando a interrupo do fornecimento energtico em momentos de pico e administrando
picos de preos da eletricidade. Neste trabalho, so apresentados alguns aspectos que envolvem a
DR e as SG, tais como: a conceptualizao sobre as SG; o enquadramento da DR nas SG; a classificao dos programas de DR; os participantes envolvidos na DR; os benefcios de se empregar DR
nas SG; as barreiras contidas na implantao da DR; e por fim, uma anlise da aplicabilidade da DR
nas SG.

Keywords: Demand response, Smart grid, Energy management systems

1 INTRODUO

Os sistemas eltricos de potncia vm passando por diversas modificaes a fim de melhorar a qualidade dos servios prestados aos consumidores. Tais modificaes acabaram por se
configurar como avanos ao sistema eltrico, sendo algumas destas: a possibilidade de incluir fontes
geradoras de energias renovveis e tecnologia de informao e comunicao (TIC) [1].
No entanto, a incluso de TICs e fontes de gerao de energia renovveis encontram
diversos empecilhos, como: as interrupes frequentes ocorridas nas linhas de transmisso; o aumento do consumo de energia eltrica que provoca o acrscimo das demandas de pico [2]; algumas
redes de distribuio no conseguem atender as demandas de pico [3]; a necessidade de satisfazer
as exigncias ambientais; dentre outros. Assim, para estabelecer uma rede energtica mais confivel,
estas barreiras devem ser superadas.
Neste sentido, a smart grid (SG) surgiu como um novo paradigma que prope a modernizao do sistema de gerao, transmisso, distribuio e consumo de energia eltrica. Desse modo, a SG foi desenvolvida tendo como um dos seus objetivos centrais empregar TICs no manuseio
dos dados dos smart meters, visando melhorar a agilidade, confiabilidade, eficincia, segurana, economia, sustentabilidade e compatibilidade ambiental [1].

Entretanto, a smart grid vai alm do simples monitoramento, tornando-se capaz de proteger e otimizar o funcionamento dos seus elementos, sendo alguns deles os sistemas de automao
predial, as instalaes de armazenamento de energia, os consumidores finais, veculos eltricos,
eletrodomsticos e outros dispositivos [4,5]. Logo, a SG integra as aes de todos os usurios conectados a ela, utilizando tecnologias de comunicaes, de controle e as informaes da operao do
sistema eltrico com o propsito de economizar energia, reduzir custos e aumentar a confiabilidade e
a transparncia em relao aos servios prestados [6].
Assim, a SG projetada como uma rede eltrica capaz de fornecer energia de forma
controlada a partir das fontes de gerao aos consumidores, que so considerados parte integrante
da SG, uma vez que podem modificar seus padres de compra e comportamento de acordo com as
informaes, incentivos e penalidades recebidas [7]. Nesta perspectiva, os autores em [8] sugerem a
necessidade de um mtodo automtico de programao de carga que exija pouca ateno dos consumidores em sua configurao e manuteno, permitindo a comparao dos custos e benefcios das
diferentes programaes de carga. Desse modo, com tal formato, obter-se-ia uma maior aceitao a
nvel de consumidor no que se refere aos programas de demand response (DR).
O programa de DR o mecanismo utilizado pelas concessionrias de energia para motivar os consumidores a modificar os seus padres de consumo de energia, permitindo modelar o perfil
da carga eltrica dos consumidores e melhorar a confiabilidade e a eficincia da rede energtica. A
DR um dos aspectos primordiais para as smart grids, pois disponibiliza, por exemplo, uma infraestrutura de medio de dados avanada que permite aperfeioar o sistema de gerenciamento de energia, e alm disso, um complemento para recursos inerentes s energias renovveis [1].
Diante do contexto apresentado, este artigo visa apresentar uma reviso sobre os aspectos relacionados s smart grids e a demand response. Alm destas consideraes iniciais, a seo 2
vem expor aspectos que envolvem a SG, enfocando sua arquitetura geral e de comunicao. A seo
3 apresenta a DR, elencando seus participantes, benefcios, barreiras e aplicabilidade nas SG. E por
fim, a seo 4 apresenta as consideraes finais da pesquisa.

2 SMART GRID (SG)

Durante o Sculo XX, a demanda de energia eltrica aumentou, tornando evidente diversos problemas em seu fornecimento, perceptveis nas fragilidades de abastecimento nos horrios de
pico, nas oscilaes de tenso, na interrupo de energia eltrica e nos apages. Logo, a sociedade
contempornea, por possuir um nvel elevado de dependncia de eletricidade, passou a exigir um
sistema energtico que fosse o mais confivel e seguro possvel [2].
Diante dessa realidade e dos avanos tecnolgicos ocorridos durante os Sculos XX e
XXI, surge um novo paradigma conhecido como smart grid que, segundo os autores em [1,9], representa uma grande mudana no setor eltrico e idealizada para aperfeioar a gerao, a transmisso, a distribuio e o consumo de energia eltrica, viabilizar a entrada de fontes alternativas de gerao de energia e consumidores na rede, e proporcionar melhorias expressivas em monitoramento,

gesto, automao e qualidade da eletricidade, oferecida por meio de uma rede eltrica caracterizada
pelo uso intensivo das TICs.
Os objetivos das SGs so bastante amplos, dentre eles esto: detectar e analisar falhas;
notificar consumidores e administradores da rede; restaurar-se automtica e rapidamente; resistir a
ataques fsicos e cibernticos; conhecer o perfil de consumo energtico dos consumidores finais;
fornecer energia de qualidade e consistente com as necessidades dos consumidores; suportar a insero de uma variedade de recursos, como a demand response e a produo associada s energias
renovveis; e ser aceita nos mercados competitivos de fornecimento de energia eltrica [5].
A proposta da SG busca a integrao dos sistemas eltricos de potncia e as TICs [10]
com o objetivo de empregar vrias tecnologias, como por exemplo, controladores autnomos e inteligentes, softwares avanados para gerenciamento de dados e comunicao bidirecional entre as concessionrias e os consumidores, na criao de uma rede de distribuio de energia automatizada e
distribuda, proporcionando um sistema energtico mais eficiente, confivel e seguro [4,9,11].

2.1 Arquitetura da Smart Grid

A infraestrutura das SGs, composta por energia, informao e arquitetura de comunicao, proporciona ao consumidor a possibilidade de produzir sua prpria eletricidade (por meio de
painis fotovoltaicos, por exemplo) e enviar rede eltrica a energia que no foi consumida ao longo
do dia, viabilizando uma rede energtica de mo dupla. Entretanto, o sistema eltrico de potncia
tradicional funciona de forma unidirecional, ou seja, a energia eltrica transportada pela rede de
transmisso e distribuio das usinas de gerao aos consumidores em um nico sentido [12], conforme visto na Figura 1.

Figura 1 Sistema eltrico de potncia tradicional.

A Figura 1 (acima) representa o sistema tradicional de fornecimento de energia eltrica

brasileiro, que, devido enorme quantidade de recursos hdricos presentes no territrio nacional, faz
uso, principalmente, de usinas hidroeltricas como geradoras de eletricidade. Elas produzem __% da
energia consumida no Brasil, que transmitida/distribuda de forma unidirecional para os consumidores finais, a considerar que a maioria das residncias, edifcios e indstrias ainda no produzem sua
prpria energia eltrica e que poucas concessionrias esto preparadas para o sistema bidirecional
da smart grid.

O sistema smart grid, assim como o tradicional, apresentado e dividido em 04 partes,

como ilustrado na Figura 2: a) gerao, b) transmisso, c) distribuio e d) consumo de energia eltrica. No sistema de gerao, a energia pode ser produzida por meio de fontes de energias renovveis
e no renovveis. No Brasil, as principais fontes renovveis so a elica (geralmente captadas em
regies litorneas) e a fotovoltaica, e as no renovveis so a hidroeltrica e a termoeltrica.

Figura 2 Arquitetura Smart Grid.

Como pode ser observado na Figura 2, a energia produzida enviada ao sistema de

transmisso que a conduz s subestaes. Em seguida, essa energia transportada para o sistema
de distribuio, que, por meio dos smart meters, levada aos consumidores residenciais, comerciais
e industriais. Contudo, estes consumidores podem receber e produzir energia a partir de microgrids,
fornecendo a eletricidade no consumida de volta a rede para ser distribuda a outros consumidores.
A smart grid fornece uma variedade de mecanismos aptos a melhorar a operao das
etapas de gerao, transmisso, distribuio e consumo de energia eltrica. Dentre os mecanismos
disponveis, em relao ao processo de gerao de energia eltrica, evidente o fato de poder controlar as falhas e as oscilaes decorrentes da produo energtica providas pelas fontes renovveis
proporcionando a diminuio ou flexibilizao do uso das usinas de energia termoeltricas [13].
No processo de transmisso e distribuio de cargas energticas, respectivamente, a
SG usada no sistema de gerenciamento de energia; no sistema de apoio deciso; no projeto de
proteo da integridade do sistema; na eletrnica de potncia; nos sistemas de gerenciamento de
ativos e dispositivos de monitoramento de condies; na automao e proteo da distribuio; nos
sistema de gerenciamento de distribuio e advanced metering infrastructure. E por fim, no mbito
dos consumidores finais, temos o consumo inteligente; a produo local; residncias inteligentes e
building automation and control system [13].

2.2 Arquitetura de Comunicao da Smart Grid

Neste sentido, o sistema de comunicao o componente-chave da infraestrutura das

smart grids, pois, com a integrao de aplicaes e tecnologias computacionais, torna a arquitetura
da rede eltrica capaz de produzir dados de diferentes aplicaes objetivando futuras anlises, controle e mtodos de tarifao em tempo real [15]. Contudo, as concessionrias de energia eltrica precisam redefinir seus requisitos de comunicao a fim de encontrar a melhor infraestrutura para lidar
com a sada e entrega das informaes.
Na SG, existem dois tipos de comunicao e networking para o fluxo de informaes,
so elas: (a) as informaes recolhidas a partir de sensores, aparelhos e outros equipamentos enviadas ao smart meter, onde se calcula e prev a necessidade imediata de energia eltrica e, em seguida, relata informaes da SG para a operao global, permitindo controlar o funcionamento dos aparelhos ou equipamentos interligados e (b) informaes de um smart meter enviadas para uma infraestrutura de SG para controlar e ajustar a gerao, a transmisso e a distribuio de energia em tempo
real [14].
O processo de comunicao executado entre a gerao, a transmisso, a distribuio
e o consumo de energia eltrica por meio de seis tipos de tecnologias diferentes que constituem a
arquitetura comunicacional da SG, como ilustrado na Figura 3 abaixo: a) Wide Area Network (WAN),
b) Neighborhood Area Network (NAN), c) Field Area Network (FAN), d) Home Area Network (HAN), e)
Building Area Network (BAN) e f) Industrial Area Network (IAN).

Figura 3 Arquitetura de Comunicao.

Na Figura 3, os sistemas de gerao (com fontes renovveis e no renovveis) e transmisso de energia so cobertos pela tecnologia de comunicao de dados WAN que permite, por
exemplo, subestao que interliga o sistema de transmisso ao de distribuio conectar-se ao centro de controle e aos smart meters via wireless. A WAN forma o suporte principal de comunicao que
conecta as redes menores, que so distribudas nos sistemas de energia em diferentes locais e
uma das maiores redes de comunicao com os centros de dados [4,16].
As redes de comunicao de dados NAN e FAN conectam o sistema de distribuio. A
NAN ainda responsvel pela comunicao da medio inteligente que permite a troca de informaes entre as instalaes do cliente e as WANs da concessionria de energia [17]. A FAN usada no
gerenciamento das redes de distribuio de eletricidade e possibilita a automao da distribuio e

dispositivos de controle de comunicao por intermdio de redes entre as conexes de servios individuais e os pontos de backhaul para as concessionrias de energia eltrica [18,19].
A HAN permite implementar o controle e o monitoramento de dispositivos inteligentes em
instalaes do consumidor e no desenvolvimento de novas funcionalidades como por exemplo, DR e
Advanced Metering Infrastructure (AMI) [16]. A BAN fica responsvel pela troca de informaes com
as concessionrias de energia e pelo controle e monitoramento dos dispositivos inteligentes de consumo. No entanto, como a BAN faz a cobertura de um edifcio inteiro que contm vrios apartamentos e escritrios, ela funciona como uma coleo de HANs conectadas ao smart meter do edifcio.
E por fim, a IAN uma rede de comunicaes implementada nos andares de uma fbrica, na qual so incorporados sensores, controladores e software especializados em gerenciamento
de edifcios interconectados. Assim, a IAN permite o desenvolvimento de sistemas de automao e
gerenciamento de energia industrial para otimizar o consumo, os desempenhos econmico e ambiental de todos os dispositivos conectados [17].

3 DEMAND RESPONSE (DR)

A demand response prope estimular os consumidores finais a modificarem seu consumo de energia eltrica em resposta s mudanas ocorridas no preo da eletricidade ao longo do tempo. A DR oferece incentivos, como descontos ou crditos na conta de energia, destinados a impulsionar a reduo do uso de energia eltrica em horrios que os preos de mercados estejam elevados
ou quando a confiabilidade da rede comprometida com a sobrecarga do sistema. Dessa maneira, o
aumento excessivo da demanda de energia eltrica fez o uso da DR ser interessante aos consumidores e s concessionria de energia [7,20].
De acordo com os autores em [1], a DR, do ponto de vista da smart grid, uma tecnologia capaz de reescalonar o consumo de energia dos consumidores, aumentar a eficincia do mercado energtico, proporcionar benefcios financeiros aos consumidores, tornar o sistema energtico
mais confivel e eficaz em relao ao uso da capacidade da rede atual e, por fim, reduzir impactos
ambientais, como por exemplo, o desmatamento de florestas para a insero de novas fontes no
renovveis de gerao de energia.
A DR normalmente caracterizada em trs aspectos: peak clipping, valley filling e load
shifting. O primeiro aspecto, ilustrado na Figura 4-a, est relacionado reduo do pico de consumo
de energia para evitar que a carga energtica ultrapasse a capacidade de fornecimento das subestaes de distribuio ou o limite trmico contido nos transformadores e/ou alimentadores. Os consumidores teriam seu conforto/satisfao reduzidos, pois, para cumprir sua funo de controlar os excessos de consumo energtico durante os horrios de pico, os consumidores teriam o uso da energia
eltrica limitado por meio do controle de suas demandas, como por exemplo, o uso de Timers para
aquecedores de gua que limitam o banho do consumidor por impedir um longo perodo de uso do
chuveiro eltrico.
O segundo aspecto, exibido na Figura 4-b, tem como objetivo promover o consumo de
energia eltrica em perodos que a demanda seja menor. Um exemplo o carregamento dos veculos

eltricos somente durante a madrugada, possibilitando equilibrar o uso da carga energtica, melhorando a eficincia dos servios prestados pelas concessionrias de energia. J o terceiro e ltimo
aspecto, demonstrado na Figura 4-c, visa modificar o consumo de energia eltrica ao longo do tempo,
como por exemplo, deslocando a demanda geralmente requisitada nos perodos de pico para outro
horrio de menor consumo, de modo que o consumidor no sobrecarregue mais o sistema energtico
em perodos de pico, mantenha o mesmo consumo dirio total, mas pague preos mais baixos pela
572

energia consumida [1].

IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, VOL. 11, NO. 3, JUNE 2015

Fig. 4. Illustration
response. da
The Demand
function of demand
response(a)
includes:
peak clipping;
valley lling;
and(c)
(c) load
load shifting
(the combination
of
Figuraof4demand
Aspectos
response:
peak(a)clipping,
(b)(b)valley
filling,
shifting
[1].
peak clipping and valley lling).

Nesta perspectiva, os autores em [2,11] afirmam que a DR foi idealizada com o intuito de
equilibrar a oferta e a demanda energtica objetivando maximizar a confiabilidade e a eficincia do
processo de transferncia de cargas eltricas para reduzir ou, at mesmo, eliminar as sobrecargas
contidas no sistema eltrico de potncia.

3.1 Classificao do Programa DR

Fig. 5. Illustration of time-based pricing tariffs. The time-based tariffs include: (a) Time-of-use (ToU) pricing; (b) Real-time pricing (RTP); and (c) Inclining
O programa de DR, como ilustrado na Figura 5, classificado em: a) baseado no preo,
block rate (IBR).

cujos modelos tarifrios podem ser por Time-of-Use (TOU), Real-Time Pricing (RTP) e Critical-Peak
context
of demand
We then
someque
recent
Baltimoreem
GasDirect
and Electric
the city
of New Bern,
Pricing
(CPP) response.
e b) baseado
no present
incentivo,
se subdivide
LoadCompany
Control and
(DLC),
Interruptiresults in Section IV, which provide various approaches and NC, USA [9].
ble/Curtailable
Service
Emergency
Demand
Response
Program (EDRP),
Market
solutions
to address these
issues.(ICS),
Opening
questions are
out2) Interruptible/Curtailable
Load: Capacity
If users agree
to cut
lined(CM),
in Section
V
based
on
the
above
overview,
and
concluding
down
some
portion
of
their
interruptible/curtailable
loads
Demand Bidding/Buyback (DBB) e Ancillary Services Market (ASM). Ambos os programaswhen
remarks are drawn in Section VI. In addition, we refer to the grid reliability is jeopardized, they will receive a certain
estofor
detalhados
a seguirused
[21,22].
Appendix
important acronyms
in this survey.
incentive discount on electricity bills in return [20].
3) Demand Bidding and Buyback: In the case of peak
demand
or system contingencies, users can benet from cost
II. D EMAND R ESPONSE P ROGRAMS
saving if they are willing to curtail some electricity usage at a
Demand response programs can be considered as the means specic bid price [21]. This program is mainly offered to larger
or tariffs that the power utility takes to incentivize users to users (1 MW or more); for small users, they need third parties
reschedule their energy usage patterns [18]. In other words, the or agents to unite and represent them to bid.
programs are able to shape the users electricity load proles
4) Emergency Demand Reduction: Users are provided
to improve the reliability and efciency of the grid. Demand incentive payments in reply to their load reductions (on very
response programs are mainly divided into the following two short notice) during emergency reliability accidents when the
branches.
grid is out of reserve [22]. Under this program, larger users can
provide auxiliary services to the power utility by reducing their
demand, behaving as virtual spinning reserves.
A. Incentive-Based Program
Incentive-based program pays participating users for demand
reduction, triggered by peak load or system contingencies. This
program provides these users with load modication incentives, which is in addition to or separate from electricity prices.
Several main programs are listed as follows.
1) Direct load control (DLC): The power utility has remote
access to/control of (shut down or cycle) certain electrical appliances/energy loads (e.g., air conditioner and water heater) of

B. Price-Based Program
An alternative to the legacy at electricity prices is smart
pricing. Price-based program provides users with different
electricity prices at different times. Based on such information,
users will naturally use less electricity when electricity prices
are high, and thus reduce the demand at peak hours. In other
words, this program indirectly induces users to dynamically

Figura 5 Programas de Demand response.

3.1.1. Programa Baseado no Preo

Este programa est interligada s alteraes contidas no consumo energtico dos consumidores em resposta s variaes existentes, ao longo do dia, no preo da energia eltrica no ato
da sua compra. Neste sentido, o programa baseado no preo conduz os consumidores a modificarem
seus padres de uso de energia eltrica conforme as variaes dos preos da eletricidade ao invs
de controlar diretamente o uso dos seus equipamentos eltricos [1,11].
Desse modo, os consumidores vo naturalmente diminuindo o uso da eletricidade quando os preos estiverem elevados e, em consequncia disso, h uma reduo da demanda nos horrios de picos [11].

a) Time-of-Use (TOU):
O TOU uma taxa apresentada pelas concessionrias de energia aos seus consumidores com o intuito de oferecer diferentes tarifas que podem ser utilizadas durante diversos perodos do
dia [23,24] e, normalmente, reflete o custo mdio da gerao e entrega de energia durante um intervalo de 24 horas [21].
Os autores em [25] afirmam que os programas que investigam o impacto da tarifa sobre
a demanda de eletricidade geralmente utilizam o modelo TOU. Na Figura 6 apresentado um exemplo de tarifao TOU na qual, h um aumento de aproximadamente 60% no preo da energia eltrica
no perodo de pico compreendido entre s 11h00 e 14h00. Logo, as tarifas so fixadas para um perodo de tempo na qual o preo do kW/h da energia eltrica utilizada nos horrios de pico maior do
que o usado fora do horrio de pico.

Figura 6 Estrutura de Preo TOU.

Portanto, os programas de preos TOU permitem utilizar uma estrutura de preo que leva em considerao perodos pr-estabelecidos de tarifas. Contudo, o TOU tambm pode ser usado
em uma estrutura de tarifao dinmica, que possibilita representar a relao entre a demanda em
tempo real e a oferta da energia eltrica, harmonizando o equilbrio do uso energtico e reduzindo os
gastos dos consumidores finais [26].

b) Real-Time Pricing (RTP):

Na estrutura do RTP de fundamental importncia uma maior participao do consumidor final [11], pois o RTP uma taxa em que o preo normalmente se modifica a cada hora do dia
influenciando o valor de atacado da energia eltrica, e os consumidores so normalmente informados
em relao ao preo RTP com horas ou dia de antecedncia [23].
A Figura 7 demonstra um exemplo do modelo de tarifao RTP onde o preo da eletricidade varia a cada hora do dia, onde possvel observar que o perodo com a maior tarifao est
compreendido entre as 18h00 e 19h00 e com menor preo est situado entre 00h00 e 01h00.

Figura 7 Estrutura de Preo RTP.

Contudo, os autores em [11] afirmam que, para o desenvolvimento completo da estrutura
RTP, faz-se necessrio o uso de recursos tecnolgicos de comunicao bidirecional nas SGs. Logo,

10

instalado, no ambiente do consumidor, um controlador de gerenciamento de energia (EMC) capaz

de suportar o fluxo contnuo de dados e as preferncias do consumidor. Assim, o EMC permiti aumentar significativamente o processo de tomada de deciso possibilitando reduzir os custos da energia eltrica.
Diante disso, os fornecedores de energia tambm possuem a caractersticas de tomada
de deciso, mas eles levam em considerao os eventos aleatrios como o consumo total de energia
e a resposta dos consumidores em relao aos preos anteriores, permitindo definir os novos preos
que sero adotados para o prximo perodo de consumo. Este tipo de programa, RTP, j foi aplicado
com sucesso a vrios consumidores no mbito industrial e comercial, mas, no cenrio residencial,
este sistema possui pouco sucesso, pois a maioria dos consumidores so contrrios aos riscos e
consideram desvantajoso a necessidade de tomar decises peridicas em relao ao consumo da
energia eltrica [11].
No entanto, devido s limitaes tcnicas existentes em relao demanda, a implementao da tarifao em tempo real ainda considerada um problema desafiador, porm muito
vantajosa para os proprietrios de veculos eltricos, que so recarregados especialmente noite,
perodo em que a tarifao eltrica costuma ser menor [26].

c) Critical-Peak Pricing (CPP):

O CPP um modelo tarifrio hbrido formado pelas tarifas Time-of-Use (TOU) e RealTime Pricing (RTP). Segundo os autores em [1,23], a estrutura base para a tarifa Critical-Peak Pricing
Time-of-Use. No entanto, o CPP usa a estrutura de tarifao RTP quando a rede energtica estar
diante de riscos, como por exemplo, possuir uma demanda energtica maior do que oferta de energia
eltrica produzida, que afeta sua confiabilidade. Desse modo, a tarifa relacionada aos horrios de
pico modificada por uma taxa mais elevada, visando reduzir a demanda de energia dos consumidores finais. Logo, o aumento do preo da tarifa est vinculada ao acrscimo de demanda de energia
eltrica ou a baixa produtividade energtica do sistema eltrico de potncia.
Nesta perspectiva, o CPP usado apenas em um nmero limitado de horas ou de dias
por ano, visando garantir a confiabilidade do sistema ou o equilbrio da demanda com a oferta [11]. O
exemplo da tarifao CPP apresentado na Figura 8 mostra que, sua estrutura tarifria semelhante a
TOU. No entanto, possvel observar que ocorrncia de 02 eventos crticos no referido dia, sendo o
primeiro entre 12h00 e 13h00 na qual o valor da tarifa possui um acrscimo aproximado de 40% em
relao ao valor da tarifa usual de pico. J o segundo evento crtico est compreendido entre 19h00 e
20h00 onde o valor da tarifa obteve um reajuste de aproximadamente 30% em relao ao preo da
tarifa no horrio fora de pico.

11

Figura 8 Estrutura de Preo CPP.

3.1.2. Programa Baseado no Incentivo

Este programa oferece incentivos como por exemplo, crditos, taxa de descontos nas
contas de energia ou dinheiro aos consumidores com o objetivo de reduzir o uso energtico durante
horrios de picos do sistema. Contudo, vale ressaltar que a inscrio e as respostas dos consumidores a este programa so voluntrias, entretanto, alguns dos programas existentes penalizam os participantes por suas falhas nas respostas contratuais, de acordo com os eventos estabelecidos como
por exemplo, a no reduo do consumo de energia eltrica no horrio pr-determinado [11]. A DR
baseada no incentivo est subdividida conforme os seguintes modelos tarifrios: Direct Load Control
(DLC), Interruptible/Curtailable Service (ICS), Emergency Demand Response Program (EDRP), Capacity Market (CM), Demand Bidding/Buyback (DBB) e Ancillary Services Market (ASM).

a) Direct Load Control (DLC):

O DLC possibilita ao operador do programa, gestor responsvel pelo controle do sistema
energtico, ter acesso remoto ao desligamento ou ao ciclo de um equipamento eltrico como ar condicionado e aquecedor de gua do consumidor [7,21]. No entanto, os autores em [27] afirmam que os
programas de DLC possuem vrias limitaes, tais como: a) utilizados somente em casos de emergncia, porque o DLC no analisa integralmente a flexibilidade operacional dos equipamentos eltricos para auxiliar no equilbrio da demanda e da oferta; b) quando o DLC atende uma enorme base de
consumidores, o projeto de controle centralizado usado nos atuais programas de DLC fica incompreensvel e c) h preocupaes relacionadas privacidade do consumidor, pois seu perfil energtico
fica exposto toda vez que um dos seus aparelhos eltricos so controlados de forma remota por um
operador central.

b) Interruptible/Curtailable Service (ICS):

Este programa visa a reduo do consumo de energia eltrica por meio do fornecimento
de incentivos na forma de crdito ou descontos na conta de energia, porm, necessrio que o con-

12

sumidor faa sua inscrio no programa para que possa usufruir dos benefcios ou penalidades em
virtude de falhas em relao s respostas contratuais [7,21,28].

c) Emergency Demand Response Program (EDRP):

A EDRP vista como uma unio de caractersticas dos programas DLC e ICS mas com
a particularidade de fornecer pagamentos aos consumidores que atingirem uma reduo da carga
eltrica satisfatria durante os perodos em que a reserva energtica insuficiente [7,21].
d) Capacity Market (CM):
O CM permite que os consumidores se comprometem a reduzir a carga de energia de
forma pr-determinada estando propcios as penalidades caso no reduzam seu consumo quando
solicitado. Logo, este programa pode ser visto como um investimento seguro a curto e longo prazo,
pois o consumidor reduz seu consumo energtico mediante uma solicitao e em contrapartida, ele
recebe pagamentos e, em alguns anos, mesmo com a necessidade de corte de energia, este consumidor que cumpriu todas as exigncias por vrios anos, no precisa realizar as redues energticas
[29].

e) Demand Bidding/Buyback (DBB):

Este programa visa estimular os consumidores, em particular os industriais, a reagendar
seu consumo energtico e, tambm, diminuir o consumo de carga em horrios de pico, em contrapartida, a concessionria de energia oferece recompensas financeiras como descontos na conta de energia. Alm disso, os consumidores tambm so incentivados a vender a energia que no foi utilizada concessionria energtica.
Contudo, em mercados de energia eltrica, o DBB uma ferramenta primordial para os
operadores do sistema, pois possvel gerenciar o sistema de forma mais eficaz. Dentre os benefcios alcanados pelos consumidores ao participar do DBB, possvel citar a reduo dos custos de
consumo de energia e o aumento do lucro ao reescalonar o padro de consumo de eletricidade [30].

f) Ancillary Services Market (ASM):

Os autores em [21] afirmam que os programas ASM so semelhantes aos DBB, mas, no
ASM, os consumidores ao executarem a reduo da carga energtica recebem pagamentos do operador da rede, diante de sua capacidade de suportar a operao da rede eltrica, ou seja, como um
servio auxiliar [7].

3.2 Participantes do Programa Demand Response

O programa de demand response visa controlar o consumo energtico levando em considerao o equilbrio entre a oferta e a demanda de energia eltrica. De acordo com [7], quando os
consumidores participam da DR h algumas possibilidades em que eles podem mudar seu uso de
eletricidade, so elas: reduzir seu consumo de energia por meio de estratgias de reduo de carga e
movendo o consumo energtico para um perodo diferente do horrio de pico. No entanto, de fun-

13

damental importncia conhecer o perfil de comportamento dos consumidores com o propsito de

estabelecer respostas para as mudanas ocorridas no preo da eletricidade ao longo dos perodos e
para as ameaas relacionadas confiabilidade do sistema [11].
Desse modo, de fundamental importncia a contribuio e colaborao entre os participantes que compem a DR. Destarte, como ilustrado na Figura 9, os quatro principais participantes
do programa de DR: 1. Os consumidores de energia que podem ser residenciais, comerciais e industriais; 2. DR Aggregator que executa o programa DR e est interligado aos consumidores; 3. Distribution System Operator (DSO) que controla a rede de distribuio; e 4. Independent System Operator
(ISO) ou Regional Transmission Operator (RTO) que inicializa o funcionamento do programa DR
155

VARDAKAS et al.: DEMAND RESPONSE PROGRAMS IN SMART GRIDS: PRICING AND OPTIMIZATION

[11].

Fig. 3. Main participants in a DR program. Figura

9 Participantes do programa DR [11].

proposed DR, the aggregator calculates the total demand and

reports back to the ISO/RTO. To evade uncertainty problems
Desta forma, na Figura 9 possvel identificar que o ISO/RTO inicia o funcionamento do
in the distribution system, the aggregators may initially report
the
total
DR
to
the
who then informs
the most
programa DR, DSO,
determinando
o volume
daavailable
demanda necessria e o perodo de tempo de consumo,
substations about the total power demand [35]. In this case, the
informaes
que
sero encaminhadas
ao DR
que escolhe os consumidores participantes
DR
calculations are
performed
at the DR aggregators,
and Aggregator,
they
are
then
used
by
the
DSO
for
executing
optimization
procedures
por meio da sua disponibilidade e pela quantidade que esto aptos proposta de DR. Em seguida, o
or for discovering problems in the distribution grid.
DR
calcula
demanda
total eis reenvia
TheAggregator
aforementioned
model ofa the
four participants
general, os dados ao ISO/RTO. Porm, com o objetivo de
and it may also involve a number of agents that interact in
evitar os problemas
de incerteza
ocorridossystems,
nos sistemas de distribuio, o DR Aggregator faz os clcompetition
or in cooperation.
In these multi-agent
distributed
making a
is totalidade
implementedde
either
a local
culos de decision
DR e notifica
DR inpara
o Distribution System Operator (DSO), que informa as
domain or inside the entire system [37]. The decision making
subestaes
esto comand
maior
disponibilidade
process
is a resultque
of negotiations
trading
on an electronic sobre a demanda total de energia [11].
market and involves procedures like DR and distributed generation [38]. There are several examples of multi-agent energy
management
systems da
thatDemand
are proposed
and described in the
3.3 Benefcios
Response
literature. PowerMatcher [39] is a hierarchical market based Fig. 4. Share of electricity consumed in 2013 in USA [44].
algorithm, in which multiple agents that control electronic
encouragement of energy-aware consumption patterns and the
devices can bid for
considering
own bidding
De energy,
acordobycom
[31], a their
incluso
das TICs
e o aumento
da capacidade
de previso
e conconstruction
of buildings
with high energy
efciency [8].
Howstrategy. A similar multi-agent system, known as the Dezent
ever,
by
shifting
consumption
from
peak
demand
to
off-peak
trole
nos
sistemas
eltrico
de
potncia,
tornaram
a
DR
uma
opo
vivel
e
adequada
para
melhorar
a
project, is proposed in [40], where scalability is improved by
hours, a signicant reduction of the peak-to average ratio can
incorporating balancing group managers instead of a central
flexibilidade da carga energtica. Logo, a demand response
permite
uma utilizao
mais eficiente
dos
be achieved.
Consequently,
there are possibly
abundant oppormarket place. A more scalable system is presented in [41],
tunities for the DR application in domestic areas. Nevertheless,
where
agentsdo
notsistema
only use price
information
but also informarecursos
e em
consequncia
disso, a DR pode trazer inmeros benefcios que no se
the applied DR program should not assume that all customers
tion about the environment and current status for their bidding
have
the same mas
powertambm,
consumingincluem:
behavior.aAs
reported in
limitam
somente
a
reduo
dos
custos
operacionais
do sistema,
possibilidastrategies. Due to the nature of the multi-agent systems, they
[35], residential consumers can be grouped into different catare
in microgrid
environments
[42],
[43]. de energias renovveis; um incremento na eficincia econmidewell-t
de insero
mais
elevada de
fontes
egories: a) short range consumers, who are only concerned
pricereductions
at the current
instant, b)capacity
real-world
ca por meio da implementao de preos em tempoabout
real;the
e power
por fim,
intime
generation
advancing customers, with consumer perception in current and
C. DR Applicability
requirements, transmission and distribution network congestion
management.
past periods only,
c) real world-postponing consumers, whose
A DR program could increase its effectiveness by taking into perception depends on current and future prices only, d) realAlm disso, os autores em [32] apresentam em seu trabalho, alguns dos principais beneconsideration the types of consumers that are applied to. Typi- world mixed consumers, who are a mixture of postponing and
cally,
four
different sectors
areda
theDR,
mainso
electricity
customers,
and e) long
range consumers,
who are
fcios
possveis
a partir
eles: consumers,
1. Benefits advancing
from relative
and absolute
reductions
in electricity
as illustrated in Fig. 4: transportation, residential, commercial able to shift their consumption over a wide range of time.
and industrial sectors [44]. However, DR programs are mostly
In addition to the consumers response to the DR program,
applied to residential, commercial and industrial consumers.
other factors should be taken into account during the design
1) Residential Consumers: The design of an efcient DR of DR programs for residential areas. The advent of Plugprogram for residential users is far more complicated, com- in Hybrid Electric Vehicles (PHEVs) is expected to place a
pared to industrial customers, mainly due to their near-random signicant load on the power grid [46]. A smart scheduling of

14

demand que est relacionado a impulsionar as redues de custos para os consumidores por meio
da economia de eletricidade e de emisses de CO2; 2. Benefits resulting from short run marginal cost
savings from using DR to shift peak demand busca modificar o uso da energia eltrica dos consumidores objetivando reduzir o custo da eletricidade por kWh devido a ineficincia da capacidade de
gerao de energia em alguns casos; 3. Benefits in terms of displacing new plant investment from
using DR to shift peak demand est associado ao uso de DR para impulsionar que as demandas de
cargas eltricas em horrios de pico sejam menores do que seriam sem o uso de demand reponse; 4.
Benefits of using DR in providing reserve for emergencies / unforeseen events visa a curto prazo,
fornecer ao sistema energtico a capacidade de reduzir rapidamente a demanda eltrica em caso de
emergncia; 5. Benefits of DR to distributed power systems est vinculado a alcanar, o equilbrio
entre a oferta e a procura em um sistema de abastecimento distribudo compreendendo as diferentes
formas, de gerao de energia combinando fontes renovveis e no renovveis; 6. Benefits in terms
of reduced transmission network investment by reducing congestion of the network and avoiding
transmission network re-enforcement; e 7. Benefits from using DR to improve distribution network
investment efficiency and reduce losses.
Conforme o autor em [7] relata, dependendo do objetivo, projeto e execuo, bem como
de outros fatores, tais como tecnologias utilizadas e a estrutura do sistema, a DR pode oferecer vrios benefcios relacionados a operao e expanso do sistema e a eficincia do mercado. Assim, os
benefcios de DR podem ser classificados, levando em considerao os participantes envolvidos de
uma forma geral ou apenas alguns integrantes ou todos os grupos de consumidores de energia eltrica, da seguinte forma: 1. Economia na conta de energia eltrica: os participantes recebem pagamentos por modificarem seu consumo energtico; 2. Confiabilidade: com a participao ativa dos consumidores no sistema eltrico possibilita evitar extensas escassez de energia; 3. Desempenho do mercado: a DR impede o monoplio de poder de mercado por parte das concessionrias de energia eltrica; 4. Melhoria da escolha: os consumidores tm mais opes em relao ao gerenciamento de
custos de eletricidade; e 5. Segurana do sistema: os operadores do sistema eltrico so providos de
mecanismos mais flexveis, como por exemplo, a interrupo remota da carga energtica, para atender s contingncias.
Destarte, a DR, do ponto de vista da smart grid, um meio eficaz para o reescalonamento do consumo de energia dos consumidores permitindo tornar o sistema energtico mais confivel,
transparente em relao aos gastos contidos na conta de energia e alm disso, possibilita oferecer
um mercado de energia eltrica adequado as necessidades dos consumidores finais. Em razo disso,
proporciona levar benefcios financeiros tanto para a concessionria de energia como para os consumidores e por fim, mas no menos importante, propicia a reduo dos impactos ambientais com a
insero de fontes de energias renovveis ocasionando uma utilizao mais eficiente da capacidade
da rede eltrica [1].

15

3.4 Barreiras para Demand Response

Os elementos capazes de impedir ou restringir a implementao da DR so chamados

de barreiras que podem ser processos, pessoas, polticas, organizaes ou qualquer outro aspecto
da indstria de energia eltrica [33]. Contudo, a origem das barreiras est vinculada s situaes
socioeconmicas, tcnico-econmicas ou polticas, que permitem identificar trs empecilhos principais, so eles: Tecnolgico, Regulatrio e Econmico [33,34].

a) Barreira Tecnolgica
Uma barreira tecnolgica envolve os seguintes aspectos: Lack of Advanced Metering Infrastructure (AMI); Lack of Cost-Effective Enabling Technologies; Concerns about Technological Obsolescence and Cost Recovery; and Lack of Interoperability and Open Standards [33,34]. No entanto,
a Lack of Advanced Metering Infrastructure (AMI) ocasiona um srio problema na implementao da
DR baseada no preo, pois no h a capacidade de gerenciar a medio dos dados e portanto, de
submeter os consumidores a tarifao dinmica.
J a Lack of Cost-Effective Enabling Technologies prejudica a participao dos consumidores ao programa de DR, pois tecnologias, como por exemplo, termostatos inteligentes que respondem aos preos elevados por meio de um ajuste automtico nas suas configuraes visando economia energtica, ainda no rentveis para a concessionria de energia eltrica. As Concerns about
Technological Obsolescence and Cost Recovery envolvem as dvidas sobre a capacidade de recuperar o custo desses investimentos antes que estas tecnologias precisem de ser substitudas. E por
ltimo, a Lack of Interoperability and Open Standards podem prejudicar o processo de comunicao
entre os equipamentos, por exemplo, termostatos, smart meter, entre outros, contidos no programa
de demand response [34].

b) Barreira Regulamentar
Esta barreira acontece quando h a ausncia de uma regulamentao que estabelea
direitos e deveres aos participantes inseridos no programa de DR. Logo, a barreira regulamentar
constituda como um srio problema para a implementao da DR [33]. Os autores em [34] afirmam
que a falta de uma norma que regulamente o preo da energia eltrica prejudica a tarifao dinmica
a ser desenvolvida pela concessionria de energia aos consumidores, pois, a maioria das tarifas oferecidas atualmente no reflete a variao de tempo no custo do fornecimento da energia eltrica.
Deste modo, os consumidores no so contemplados com preos adequados e em consequncia
disso, no conseguem promover um consumo energtico eficiente, levando-os a consumir mais energia durante os horrios de picos.

c) Barreira Econmica
De acordo com [34], a barreira econmica est associada a dois impedimentos centrais,
so eles: Inaccurate Price Signals, onde os preos tarifados para a energia eltrica fornecida no
refletem com preciso o valor real, por consequncia disso, pode causar a reduo da demanda

16

quando o custo da energia eltrica estiver baixo ou aumentar o consumo energtico quando o valor
da tarifa estiver alta, prejudicando a eficincia econmica do mercado de energia. Outro empecilho
para esta barreira a Lack of Sufficient Financial Incentives to Induce Participation que pode ocasionar a baixa participao dos consumidores aos programas de DR. Contudo, existindo incentivos financeiros mais elevados, haver um aumento na presena de consumidores nos programas de DR.
Entretanto, os autores em [22] afirmam que um dos empecilhos para a insero da DR
a necessidade, em sua grande maioria, de uma interveno manual no processo operacional. Por
esse motivo, pela falta de tempo, de conhecimento e do consumidor no querer participar ativamente
nos programas ligados ao sistema eltrico de potncia, a DR acaba no evoluindo conforme o esperado. Nesta perspectiva, vrias pesquisas cientficas esto sendo desenvolvidas para buscar um resultado satisfatrio da DR em relao ao gerenciamento da carga energtica de forma eficaz, por
intermdio da implementao de vrios dispositivos smart capazes de realizar a interveno automtica no processo de gesto da energia eltrica pelo consumidor.

3.5 Aplicabilidade da Demand Response em Smart Grid

Devido a tamanha relevncia de aplicabilidade da DR ao cenrio atual, que caminha para uma possvel crise energtica, esta temtica tem sido analisada como alternativa vivel em diversas pesquisas na academia, discutindo e propondo programas de demand response relacionados ao
gerenciamento do consumo de energia nas smart grids.
Partindo desse pressuposto, a Tabela 1 apresenta informaes referentes aos trabalhos
cientficos desenvolvidos com o objetivo de melhorar a eficincia do consumo energtico por intermdio da DR nas smart grids.

Manuscript

Brief description

Optimization method

A Distributed Algorithm for Managing Residential Demand Response in Smart Grids [35]

Apresenta um algoritmo de
gerenciamento de DR para
todo o sistema distribudo com
o intuito de coordenar as
operaes dos mdulos Home
Load Management (HLM) em
uma smart grid.

Mixed Integer Linear

Programming

A Multi-Objective Model for Scheduling Of Short-Term IncentiveBased Demand Response Programs Offered By Electricity
Retailers [36]

Neste trabalho foi realizado

um modelo de agendamento
DR de prazo curto para os
distribuidores
de
energia
eltrica com o objetivo final de
encontrar os valores ideais
dos incentivos financeiros a
serem oferecidos aos consumidores finais.

Genetic Algorithms
(NSGA-II)

Contributions
Os resultados indicam que
os benefcios da DR aumentam significativamente quando
a operao dos mdulos HLM
so coordenadas por meio do
algoritmo de gerenciamento
proposto neste trabalho. Alm
disso, o algoritmo proposto
permite melhorar o perfil de
carga total, as magnitudes de
tenso da rede eltrica e
confiabilidade do sistema.
A principal contribuio
deste artigo fornecer uma
estrutura de tomada de deciso multi-objetivo voltada aos
distribuidores
de
energia
eltrica com o intuito de auxili-los na concepo dos programas ideias de DR baseados nos incentivos de mercados a revendedores, considerando os lucros de curto prazo
e os encargos de capacidade.
Os resultados das simulaes mostram a eficcia do
modelo proposto para a concepo dos programas de DR
com base em incentivos e

17

indicar a eficincia do NSGA-II

na resoluo de problemas
multi-objetivos.
O novo algoritmo TP tem
bom desempenho conforme a
otimizao, robustez, velocidade e flexibilidade para
solucionar o problema appliance commitment.
O algoritmo proposto pode
ser usado tanto no sistema de
gerenciamento de energia
residencial quanto no predial,
permitindo agendar cargas
energticas ideais para o
funcionamento os aparelhos
ajudando os consumidores
e/ou gestores na organizao
da operao dos aparelhos.
O sistema proposto capaz
de reduzir a demanda de
energia, e, alm disso, est
apto a se comunicar com a
smart grid e em consequncia
disso, importar os principais
indicadores de desempenho
da rede para ajustar o comportamento
dos
sistemas
visando apoiar o funcionamento da rede eltrica.

A novel Traversal-and-Pruning
algorithm for household load
scheduling
[37]

Apresenta um novo algoritmo

Traversal-and-Pruning
(TP)
que programa os horrios dos
termostatos controlando as
cargas residenciais objetivando otimizar a reduo do custo
e o aumento do conforto dos
consumidores.

Mixed Integer Nonlinear

Programming

Agent-Based Control for Building

Energy Management in The Smart
Grid Framework [38]

Este artigo prope Building

Energy Management Systems
(BEMS) baseado em agentes
juntamente com uma estratgia de tomada de deciso
baseado em regras fuzzy que
permite monitorar e controlar
os fluxos de energia eltrica
em um edifcio.

Multi-Agent System
Fuzzy Rule

An Intelligent Home Energy Management System to

Improve Demand Response [39]

Propem uma soluo que

envolve tanto o consumidor
residencial quanto a concessionria de energia com o
objetivo de prev o consumo
energtico dos consumidores
e apresenta a demanda de
eletricidade a concessionria
que em seguida, o sistema
proposto baseado no preo
TOU oferecido pela concessionria de energia programa
as cargas residenciais dentro
das zonas de conforto do
consumidor
otimizando
o
consumo energtico residencial.

Adaptive Neural Fuzzy

Inference System

Otimizar a programao
das potencialidades dos eletrodomsticos conforme seu
tempo de execuo.

Linear-SequentialOptimization-Enhanced
and
Multiple-Looping
Algorithm

O algoritmo pode ser utilizado no gerenciamento de

cargas eltricas tanto no
mbito
residencial
como
predial possibilitando criar
automaticamente os horrios
de operao das cargas baseado nas diferentes configuraes de custo e conforto e
alm disso, permite fazer a
comparao de custo e benefcios disponveis em outros
horrios.
A soluo alcana um
equilbrio ideal entre o custo
da energia e o nvel de conforto do consumidor.

Mixed Integer Nonlinear

Programming

O controlador ADR proposto, consegue se adaptar as

alteraes do preo da energia eltrica ao longo do dia,
permitindo reduzir os gastos
com eletricidade, sem prejudicar o conforto do consumidor.

Mixed Integer Programming

O algoritmo proposto demostrou que o regime de

preos dinmicos ajudar a

Appliance Commitment for Household Load Scheduling [8]

Automated Demand Response

From Home Energy Management
System Under Dynamic Pricing
and Power and Comfort Constraints [40]
Demand Response Algorithm
Incorporating Electricity Market
Prices for Residential Energy

Apresenta um novo algoritmo

appliance commitment que
programa a execuo das
cargas energticas residenciais com base nas previses
de preo e de consumo, objetivando reduzir o custo da
energia eltrica e aumentar o
conforto dos consumidores.

Propem desenvolver um
controlador de ADR (Automated Demand Response) apto a
funcionar no gerenciamento
de energia eltrica residencial
mediante aos preos dinmicos da eletricidade.
Propem um algoritmo de DR
que utiliza os preos de mercado da energia eltrica,

18

Management [22]

Demand response in electrical

energy supply: An optimal real
time pricing approach [21]

obtidos a partir da concessionria de energia, e as preferncias dos consumidores em

relao ao manuseio dos
eletrodomsticos, objetivando
modificar os padres de consumo energtico dos consumidores residenciais.
Apresenta
um
simulador,
chamado de DemSi, que
uma plataforma voltada a
apoiar a tomada de deciso
sobre DR no mbito das redes
de distribuio, incluindo a
validao tcnica das solues. E, tambm, este trabalho mostra o uso do DemSi,
por um retailer, voltado para
solucionar uma situao de
escassez de energia devido a
um incidente na rede energtica.

diminuir o perfil de carga e em

consequncia, o custo total
para o consumidor.
O algoritmo pode ser modificado para incluir as preferncias dos consumidores.

Nonlinear Programming

Demand Response in Smart

Distribution System With
Multiple Microgrids [41]

Prope um sistema de gerenciamento de energia, baseado

em agentes, voltado a facilitar
a comercializao de energia
eltrica entre as microgrids e
tambm, permite que os
consumidores participem da
DR.

Multi-Agent System

Demand Response using Multiagent System [42]

Prope um sistema multiagente capaz de otimizar a DR,

atualizando os recursos de
gerao de energia e de
controle de carga do consumidor, reduzindo os custos e
evitando a sobrecarga de
tenso nos horrios de pico.

Multi-Agent System

Developing Smart and Real-Time

Demand Response Mechanism for
Residential Energy Consumers
[43]

Este artigo visa desenvolver

uma abordagem de DR capaz
de funcionar de forma autnoma e em tempo real a partir
da perspectiva do consumidor
em relao ao consumo energtico residencial.

Programao No-Linear
Regresso Polinomial
Heurstica

Domestic Consumption Simulation

and Management Using a Continuous Consumption Management
and Optimization Algorithm [44]

Apresenta um sistema capaz

de simular cargas reais ou
virtuais de uma certa quantidade de instalaes com
diferentes
configuraes,
necessidades
e
objetivos
permitindo analisar o impacto
que causam um programa de
DR nas instalaes residenciais.

Genetic Algorithms
Deterministic Approach

Dynamic Load Management in a

Smart Home to Participate in
Demand Response Events [45]

Este artigo prope um mtodo

para gerenciar os eletrodomsticos em uma residncia
durante um evento de resposta a uma determinada situao.

Mixed Integer Nonlinear

Programming

DemSi permite simular uma

variedade de metodologias de
DR e tambm, apresenta uma
soluo ideal de acordo com
as oportunidades de DR
disponveis.
Os resultados mostram que
a necessidade energtica do
consumidor depende da adaptabilidade do preo sobre a
demanda e da tarifa de preo
em tempo real.
O sistema proposto conseguiu reduzir a demanda de
pico e demonstrou que consumidores com elevado ndice
de prioridade obtiveram fornecimento de energia a custo
menor. Assim, os resultados
confirmaram a aplicabilidade
dos agentes de software no
gerenciamento energtico e
na comercializao em microgrids.
O sistema proposto proporcionou a insero do carregamento de carga dos veculos eltricos no sistema residencial sem aumentar os
custos da eletricidade, ou
seja, o sistema mesmo com a
incluso dos PHEVs foi capaz
de reduzir dos custos da
eletricidade.
O mecanismo de DR proposto atualizado diariamente
permitindo ser adaptvel ao
tempo e as mudanas sazonais da condio da casa,
tornando-se um mtodo de
DR mais eficaz do que os
modelos convencionais.
Desenvolvimento de um
sistema de simulao e interao com o consumidor que
suporta o gerenciamento de
consumo, possibilitando a
simulao de cargas que no
esto conectadas fisicamente
com o sistema.
Desenvolvimento de um
algoritmo de gerenciamento
de consumo contnuo capaz
de ligar as cargas que foram
previamente desligadas.
Incluir restries de tempo
na gesto de recursos, bem
como a avaliao de contexto,
a fim de garantir os nveis de
conforto necessrios.
Uma melhor gesto de
recursos em um evento de
resposta a uma situao,
principalmente os de longa
durao, mudando as priori-

19

Neste trabalho, proposto um

sistema de tarifao em tempo
real (TOU) com o intuito de
modificar o comportamento do
consumidor na rede smart grid
e, por sua vez maximizar o
bem-estar social.

Support Vector Machines

Apresenta um sistema que

busca simular o perfil dos
consumidores em relao a
sua participao voluntria na
DR.

Multi-Agent System

Apresenta um modelo capaz

de estimar a capacidade de
resposta dos consumidores
em relao aos preos da
energia eltrica, motivando-o,
dependendo do horrio no
referido dia, a aumentar ou a
reduzir o consumo energtico.

Fuzzy Inference Systems

Prope um framework, baseado em agentes, voltado ao

gerenciamento da demanda
de energia para microgrids
tendo como objetivo central a
satisfao dos consumidores.

Multi-Agent System

Multi-Agent System Architecture

for Smart Home Energy Management and Optimization [48]

Apresenta uma arquitetura

multiagente capaz de otimizar
a gesto de energia em
smarts house tendo como
base quatro estratgias de
otimizao: conforto, custo,
eficiente energtica e gerenciamento inteligente (em relao ao lado da procura).

Multi-Agent System

Operation of a Multi-Agent System

for Load Management in Smart

Prope um sistema de gerenciamento energtico apto a

Multi-Agent System

Enabling Consumer Behavior

Modification Through Real Time
Energy Pricing [26]

Load Control Timescales Simulation in a Multi-Agent Smart

Grid Platform [46]

Modeling Demand Response of

Consumers to Incentives Using
Fuzzy Systems [3]

Multi-Agent Application for Demand Response in Microgrids [47]

dades de cargas durante o

evento.
Foi desenvolvido tambm,
um algoritmo de otimizao
que leva em considerao o
gerenciamento dinmico de
carga durante um evento DR.
Os resultados mostram que
o sistema proposto uma
soluo vivel para os programas de DR baseados no
preo permitindo modificar o
comportamento dos consumidores e tambm, aumentar o
bem-estar social.
Este trabalho mostrou que
de fundamental importncia
modelar os comportamentos
dos consumidores para estudar os cenrios de smart grid
e microgrids.
No estudo de caso possvel observar as diferenas
existentes entre os consumidores e o melhor comportamento a fim de alcanar a
melhor soluo para cada
situao.
Este
trabalho
tambm
mostra, a vantagem do uso de
uma plataforma multiagente
na anlise de eventos DR.
O trabalho prope uma
participao
estratgica,
voluntria e sucessiva dos
consumidores nos eventos de
DR.
O modelo permite calcular a
quantidade de energia que
pode ser reduzida ou aumentada ao longo do dia.
Estima a motivao dos
consumidores em responder
aos incentivos oferecidos.
Os resultados apresentam
que as mudanas na motivao est vinculada apenas ao
tipo de incentivo.
Os resultados mostram que
as opes de DR sugeridas
pelo framework so adequadas para a maior parte dos
programas de DR em tempo
real.
Os
consumidores
que
adotarem as opes de DR,
fornecidas pelo framework,
conseguiram uma reduo
significativa na dependncia
do sistema de energia eltrica
global.
O
sistema
multiagente
proposto demonstra em seus
resultados que as estratgias
de
otimizao
utilizadas,
oferecem
ao
consumidor
residencial maior flexibilidade
e controle no seu uso de
energia eltrica e tambm,
proporciona melhorias na
gesto da rede eltrica por
parte das concessionrias.
O sistema proposto conseguiu reduzir em 22,6% a

20

Power Distribution System [49]

prev as cargas eltricas e

reduzir a demanda de pico.

Optimal Scheduling of Household

Appliances for Demand Response
[50]

Esta trabalho prope formular

um modelo de otimizao
prtico para uma residncia
objetivando
determinar
a
programao mais adequada
aos
eletrodomsticos
em
horrios que o preo da eletricidade seja inferior ao do
modelo tarifrio Time-of-Use
(TOU).

Mixed Integer Non-Linear

Programming

Scheduling Smart Home Appliances Using Mixed Integer Linear

Programming
[51]

Apresenta
um
framework
capaz de solucionar o problema de configurao dos eletrodomsticos
residenciais
levando em considerao a
tarifao de preo geralmente
conhecida com 24 horas de
antecedncia.

Mixed Integer Linear

Programming

Optimal Residential Load Control

With Price Prediction in Real-Time
Electricity Pricing Environments
[52]

Prope um framework automtico e vivel para programao de consumo energtico

residencial que atenda o
desejo de troca entre minimizar o pagamento da eletricidade e minimizar o tempo de
espera para o funcionamento
de cada eletrodomstico em
relao a tarifa de preos em
tempo real combinada com as
taxas inclining block (IBR)
onde o aumento do preo
acontece mediante a quantidade total consumida de
energia eltrica.

Residential Demand Response

Scheduling With Multiclass Appliances in the Smart Grid
[53]

Prope um algoritmo capaz de

obter um agendamento ideal
da carga eltrica de vrios
eletrodomsticos e da operao de forma unificada.

demanda de pico sobre os

dados previstos.
A principal contribuio
deste trabalho est relacionada em considerar o nvel de
incmodo que a programao
dos eletrodomsticos pode
acarretar aos consumidores e
tambm, na formulao do
problema por meio mixed
integer non-linear programming (MINLP) em vez de
mixed integer programming
(MIP).
O estudo de caso mostra
que o consumidor pode reduzir o custo da eletricidade em
mais de 25%.
A partir dos resultados
possvel observar que o framework proposto atinge cerca
de 47% da mxima economia
de custo.
Demonstrou que as solues adequadas podem ser
obtidas a um tempo computacional de cerca de 1 segundo
com margem de erro inferior a
0,5%.
o framework proposto pode
ser ampliado para incorporar
as energias renovveis, as
bateria de armazenamento e a
otimizao multi-objetivo em
relao ao consumo de energia e emisso de CO2.

Mixed Integer Linear

Programming

As simulaes demonstram
que o framework proposto
consegue reduzir em mdia
22% do custo da energia
eltrica.
Os resultados apontam que
satisfatrio tanto para o
usurio como para a concessionria de energia a insero
de programas de controle de
cargas residenciais.

Mixed Integer Nonlinear

Programming

O algoritmo proposto possibilita que uma famlia consiga

obter melhores benefcios
(maior satisfao de conforto
e menor custo) do que outros
algoritmos j desenvolvidos.
A estrutura do algoritmo
permite adaptar-se a qualquer
eletrodomsticos.
O algoritmo proporciona
mais flexibilidade de tal forma
que, uma famlia pode controlar o equilbrio entre a sua
satisfao (uso do equipamento) e o custo da eletricidade,
considerando suas condies
residenciais.

21

4 CONSIDERAES FINAIS

Diante do cenrio atual que caminha para uma possvel crise energtica, as smart grids
surgem como uma tecnologia destinada a melhorar o funcionamento do sistema eltrico de potncia
e aprimorar a expanso e a eficincia do mercado de energia eltrica. Assim, nas SGs h uma maior
participao entre os consumidores finais e as concessionrias de energia com o intuito de reduzir o
custo e o consumo da energia eltrica mas tambm, aumentar a confiabilidade e a transparncia em
referncia aos servios prestados.
Nesta perspectiva, a DR um mecanismo que proporciona a interao dos consumidores finais com as concessionrias de energia. Logo, a DR uma das perspectivas mais importantes
para o andamento eficiente das smart grids, pois permite: o uso de estruturas de energias renovveis;
o controle de tenso em tempo real; a incluso de veculos eltricos que podem ser usados como
fontes auxiliares para armazenamento de carga eltrica reduzindo o custo de funcionamento das
redes de distribuio; ser empregada como instrumento de harmonizao de cargas para evitar a
interrupo da carga energtica em momentos de pico; melhorias significativas nos servios do sistema de distribuio, desencadeando a ampliao dos lucros nas companhias de distribuio; a administrao de picos de preos, evitando a necessidade de execuo de alto custo e de volatilidade,
que proporcionam uma reduo do potencial de poder de mercado.

REFERNCIAS
[1]

Deng R, Yang Z, Chow M-Y, Chen J. A Survey on Demand Response in Smart Grids:
Mathematical Models and Approaches. IEEE Trans Ind Informatics 2015;11:11.
doi:10.1109/TII.2015.2414719.
[2] Pipattanasomporn M, Kuzlu M, Rahman S, Member S, Kuzlu M, Rahman S. An Algorithm for
Intelligent Home Energy Management and Demand Response Analysis. IEEE Trans Smart Grid
2012;3:18. doi:10.1109/TSG.2012.2201182.
[3] Holtschneider T, Erlich I. Modeling demand response of consumers to incentives using fuzzy
systems. IEEE Power Energy Soc. Gen. Meet., 2012. doi:10.1109/PESGM.2012.6345280.
[4] Gao J, Xiao Y, Liu J, Liang W, Chen CLP. A survey of communication/networking in Smart Grids.
Futur Gener Comput Syst 2012;28:391404. doi:10.1016/j.future.2011.04.014.
[5] Sinha A, Neogi S, Lahiri RN, Chowdhury S, Chowdhury SP, Chakraborty N. Smart grid initiative
for power distribution utility in India. IEEE Power Energy Soc. Gen. Meet., 2011.
doi:10.1109/PES.2011.6038943.
[6] Fan Z, Kulkarni P, Gormus S, Efthymiou C, Kalogridis G, Sooriyabandara M, et al. Smart grid
communications: Overview of research challenges, solutions, and standardization activities. IEEE
Commun Surv Tutorials 2013;15:2138. doi:10.1109/SURV.2011.122211.00021.
[7] Siano P. Demand response and smart grids - A survey. Renew Sustain Energy Rev
2014;30:46178. doi:10.1016/j.rser.2013.10.022.
[8] Du P, Lu N. Appliance commitment for household load scheduling. IEEE Trans Smart Grid
2011;2:4119. doi:10.1109/TSG.2011.2140344.
[9] Fang X, Misra S, Xue G, Yang D. Smart Grid The New and Improved Power Grid: A Survey.
IEEE Commun Surv Tutorials 2012;14:94480. doi:10.1109/SURV.2011.101911.00087.
[10] IEEE Std 2030-2011. IEEE Guide for Smart Grid Interoperability of Energy Technology and
Information Technology Operation with the Electric Power System (EPS), End-Use Applications,
and Loads. 2011. doi:10.1109/IEEESTD.2011.6018239.
[11] Vardakas JS, Zorba N, Verikoukis C V. A Survey on Demand Response Programs in Smart
Grids: Pricing Methods and Optimization Algorithms. IEEE Commun Surv Tutorials 2015;17:152
78. doi:10.1109/COMST.2014.2341586.
[12] Bharothu JN, Sridhar M, Rao RS. A Literature Survey Report On Smart Grid Technologies

22

2014:18.
[13] IEC. IEC Smart Grid Standardization Roadmap. IEC Rep 2010:1136.
[14] Chen K, Yeh P, Hsieh H, Chang S. Communication Infrastructure of Smart Grid. 2010 4th Int
Symp Commun Control Signal Process 2010:35. doi:10.1109/ISCCSP.2010.5463330.
[15] G??ng??r VC, Sahin D, Kocak T, Erg??t S, Buccella C, Cecati C, et al. Smart grid technologies:
Communication technologies and standards. IEEE Trans Ind Informatics 2011;7:52939.
doi:10.1109/TII.2011.2166794.
[16] Wang W, Xu Y, Khanna M. A survey on the communication architectures in smart grid. Comput
Networks 2011;55:360429. doi:10.1016/j.comnet.2011.07.010.
[17] Ho Quang-Dung, , Gao Y, Rajalingham Gowdemy, , Le-Ngoc T. Wireless
Communications and the Smart Grid. 2014.
[18] Feliciano S, Sarmento H. Field Area Network in a MV / LV Substation: a Technical and
Economical Analysis 2014:1927.
[19] Sun Z. Design and Implementation of Optical Fiber Communication System for Field Area
Networks of Smart Grid. Int Conf Comput Networks Commun Eng 2013:65861.
[20] Parvania M, Fotuhi-Firuzabad M. Demand response scheduling by stochastic SCUC. IEEE Trans
Smart Grid 2010;1:8998. doi:10.1109/TSG.2010.2046430.
[21] Faria P, Vale Z. Demand response in electrical energy supply: An optimal real time pricing
approach. Energy 2011;36:537484. doi:10.1016/j.energy.2011.06.049.
[22] Nair AG, Rajasekhar B. Demand response algorithm incorporating electricity market prices for
residential energy management. Proc 3rd Int Work Softw Eng Challenges Smart Grid - SE4SG
2014 2014:914. doi:10.1145/2593845.2593847.
[23] Wang Z, Member S, Paranjape R, Chen Z. Residential Demand Response: an Overview of
Recent Simulation and Modeling Applications. 26th IEEE Can Conf Electr Comput Eng 2013:16.
doi:10.1109/CCECE.2013.6567828.
[24] Shao S, Zhang T, Pipattanasomporn M, Rahman S. Impact of TOU rates on distribution load
shapes in a smart grid with PHEV penetration. 2010 IEEE PES Transm. Distrib. Conf. Expo.
Smart Solut. a Chang. World, 2010. doi:10.1109/TDC.2010.5484336.
[25] Gyamfi S, Krumdieck S, Urmee T. Residential peak electricity demand response - Highlights of
some
behavioural
issues.
Renew
Sustain
Energy
Rev
2013;25:717.
doi:10.1016/j.rser.2013.04.006.
[26] Yan X, Wright D, Kumar S, Lee G, Ozturk Y. Enabling consumer behavior modification through
real time energy pricing. Pervasive Comput Commun Work (PerCom Work 2015 IEEE Int Conf
2015:3116. doi:10.1109/PERCOMW.2015.7134054.
[27] Chen C, Wang J, Kishore S. A distributed direct load control approach for large-scale residential
demand
response.
IEEE
Trans
Power
Syst
2014;29:221928.
doi:10.1109/TPWRS.2014.2307474.
[28] Shariatzadeh F, Mandal P, Srivastava AK. Demand response for sustainable energy systems: A
review, application and implementation strategy. Renew Sustain Energy Rev 2015;45:34350.
doi:10.1016/j.rser.2015.01.062.
[29] Aalami HA, Moghaddam MP, Yousefi GR. Demand response modeling considering
Interruptible/Curtailable loads and capacity market programs. Appl Energy 2010;87:24350.
doi:10.1016/j.apenergy.2009.05.041.
[30] Saebi, J.; Javidi MH. Implementation of Demand Response in Different Control Strategies of
Smart Grids. Smart Grids (ICSG), 2012 2nd Iran. Conf., 2012.
[31] Oconnell N, Pinson P, Madsen H, Omalley M. Benefits and challenges of electrical demand
response:
A
critical
review.
Renew
Sustain
Energy
Rev
2014;39:68699.
doi:10.1016/j.rser.2014.07.098.
[32] Bradley P, Leach M, Torriti J. A review of the costs and benefits of demand response for
electricity in the UK. Energy Policy 2013;52:31227. doi:10.1016/j.enpol.2012.09.039.
[33] Hodgson G, Thomson M, Clifford C. A systems engineering approach to resolving structural
barriers to the implementation of demand response. 2011 8th Int. Conf. Eur. Energy Mark. EEM
11, 2011, p. 7238. doi:10.1109/EEM.2011.5953105.
[34] The Brattle Group, Freeman Sullivan & Co, Global Energy Partners. A National Assessment of
Demand Response Potential. Ferc 2009:254. doi:10.1017/CBO9781107415324.004.
[35] Safdarian A, Fotuhi-Firuzabad M, Lehtonen M. A distributed algorithm for managing residential
demand response in smart grids. IEEE Trans Ind Informatics 2014;10:238593.
doi:10.1109/TII.2014.2316639.
[36] Fotouhi Ghazvini MA, Soares J, Horta N, Neves R, Castro R, Vale Z. A multi-objective model for
scheduling of short-term incentive-based demand response programs offered by electricity

23

retailers. Appl Energy 2015;151:10218. doi:10.1016/j.apenergy.2015.04.067.

[37] Wang C, Zhou Y, Wang J, Peng P. A novel Traversal-and-Pruning algorithm for household load
scheduling. Appl Energy 2013;102:14308. doi:10.1016/j.apenergy.2012.09.010.
[38] Hurtado LA, Nguyen PH, Kling WL. Agent-based control for building energy management in the
smart grid framework. 2014 IEEE PES Innov Smart Grid Technol Conf Eur 2014:16.
doi:10.1109/ISGTEurope.2014.7028937.
[39] Ozturk Y, Senthilkumar D, Kumar S, Lee G. An intelligent home energy management system to
improve
demand
response.
IEEE
Trans
Smart
Grid
2013;4:694701.
doi:10.1109/TSG.2012.2235088.
[40] Althaher S, Mancarella P, Mutale J. Automated Demand Response From Home Energy
Management System Under Dynamic Pricing and Power and Comfort Constraints. IEEE Trans
Smart Grid 2015. doi:10.1109/TSG.2014.2388357.
[41] Nunna HSVSK, Member S, Doolla S. Demand Response in Smart Distribution System With
Multiple Microgrids. IEEE Trans Smart Grid 2012;3:16419. doi:10.1109/TSG.2012.2208658.
[42] Fazal R, Solanki J, Solanki SK. Demand response using multi-agent system. 2012 North Am
Power Symp 2012:16. doi:10.1109/NAPS.2012.6336401.
[43] Li S, Zhang D. Developing smart and real-time demand response mechanism for residential
energy consumers. 2014 Clemson Univ. Power Syst. Conf. PSC 2014, 2014.
doi:10.1109/PSC.2014.6808101.
[44] Gomes L, Faria P, Fernandes F, Vale Z, Ramos C. Domestic consumption simulation and
management using a continuous consumption management and optimization algorithm. 2014
IEEE PES T&D Conf Expo 2014:15. doi:10.1109/TDC.2014.6863204.
[45] Fernandes F, Morais H, Vale Z, Ramos C. Dynamic load management in a smart home to
participate
in
demand
response
events.
Energy
Build
2014;82:592906.
doi:10.1016/j.enbuild.2014.07.067.
[46] Oliveira P, Gomes L, Pinto T, Faria P, Vale Z, Morais H. Load control timescales simulation in a
Multi-Agent Smart Grid Platform. 2013 4th IEEE/PES Innov. Smart Grid Technol. Eur. ISGT Eur.
2013, 2013. doi:10.1109/ISGTEurope.2013.6695364.
[47] Nunna HSVSK, Doolla S, Shukla A. Multi-agent application for demand response in microgrids.
IECON Proc (Industrial Electron Conf 2013:762934. doi:10.1109/IECON.2013.6700404.
[48] Asare-Bediako B, Kling WL, Ribeiro PF. Multi-agent system architecture for smart home energy
management
and
optimization.
IEEE
PES
ISGT
Eur
2013
2013:15.
doi:10.1109/ISGTEurope.2013.6695331.
[49] Biabani M, Aliakbar Golkar M, Sajadi A. Operation of a Multi-Agent System for Load management
in smart power distribution system. 2012 11th Int Conf Environ Electr Eng 2012:52530.
doi:10.1109/EEEIC.2012.6221433.
[50] Setlhaolo D, Xia X, Zhang J. Optimal scheduling of household appliances for demand response.
Electr Power Syst Res 2014;116:248. doi:10.1016/j.epsr.2014.04.012.
[51] Sou KC, Weimer J, Sandberg H, Johansson KH. Scheduling smart home appliances using mixed
integer linear programming. IEEE Conf Decis Control Eur Control Conf 2011:51449.
doi:10.1109/CDC.2011.6161081.
[52] Mohsenian-Rad AH, Leon-Garcia A. Optimal residential load control with price prediction in realtime electricity pricing environments. IEEE Trans Smart Grid 2010;1:12033.
doi:10.1109/TSG.2010.2055903.
[53] Roh H, Lee J. Multiclass Appliances in the Smart Grid. IEEE Trans Smart Grid 2015;7:111.
doi:10.1109/TSG.2015.2445491.